# Load packages
library(pacman)
pacman::p_load(glue)
pacman::p_load(DT)
pacman::p_load(magick)
En este documento se muestran los resultados del metaanálisis de los
estudios: GSE20950, GSE141432 para el contraste Ob_IR.M - Ob_IS.M.
Tomando un p valor ajustado por BH < 0.05 encontramos 187 genes
significativos.
DT = get(load("/home/rmoldovan/T2D-Meta-Analysis/Data/MA/Diabetes/IDM/Meta-analysis_2_DF.RData"))
datatable(DT, options = list(caption = "Resultados del metaanálisis.",
scrollX = TRUE),
filter = "top")
Aquí se muestran las figuras características del metaanálisis para
los genes significativos tomando un p valor ajustado por BH <
0.05.
# Función para repesentar las figuras
grid_img <- function(list_fig, dir, patt, dim = 300){
# Abrimos todas las filas:
forest_plots = c()
funnel_plots = c()
influ_plots = c()
for (fig in list_fig){
f1 = glue("{fig}forest.svg")
out1 <- magick::image_read(paste0(dir, "/", f1))
forest_plots = c(forest_plots, image_scale(out1, dim))
f2 = glue("{fig}funnel.svg")
out2 <- magick::image_read(paste0(dir,"/", f2))
funnel_plots = c(funnel_plots, image_scale(out2, dim))
f3 = glue("{fig}influence.svg")
out3 <- magick::image_read(paste0(dir,"/", f3))
influ_plots = c(influ_plots, image_scale(out3, dim))
}
lim = length(forest_plots)
grid = NULL
for ( i in seq(list_fig)){
a = forest_plots[[i]]
b = funnel_plots[[i]]
c = influ_plots[[i]]
fila <- image_append(c(a, b, c))
if(is.null(grid)){
grid = fila
}else{
grid = image_append(c(grid,fila), stack = TRUE)
}
}
return(grid)
}